Диссертация (1152212), страница 12
Текст из файла (страница 12)
При использовании системы компьютерного зрения при производстве электронных компонентов производится не только контроль качества продукта, но и контроль качества операций, таких как операция по выравниванию электронного компонента на конвейерной линии. Цифровые видеокамеры используются в автоматических системах распознавания автомобильных номеров 184,661. Главным влияющим факторов на качество результата распознавания является техническое обеспечение системы. Лучший результат распознавания автомобильного номера достигается высокой использованием камеры с высоким разрешением, светочувствительностью, скоростью съемки, а так же важную роль играет освещение снимаемого пространства.
Для этого используются не только осветительные приборы видимого излучения, но и инфракрасные прожектора, которые позволяют просветить пыль, грязь, присутствующие на номере, а так же исключить влияние других негативных факторов. Структура работы алгоритма следующая: после получения системой изображения от видеокамеры предварительно производится область изображения, в которой содержится автомобильный номер; производится нормализация полученной области, определяются точные границы номера, совершается нормализация контраста; распознавание символов, которые содержатся в нормализированном изображении. Для первичного поиска рамки автомобильного номера могут быть применимы разные алгоритмы.
Самый простой способ — контурный анализ, выделение границ объекта, поиск прямоугольного контура. После нахождения рамки автомобильного номера производится выделение контуров всех символов, а затем их анализ. Другой подход представляет алгоритм, в процессе которого анализируется только часть рамки. После выделения контура производится поиск всех вертикальных прямых.
Затем используется упрощенный метод гистограмм направленных градиентов, который ищет все вертикальные прямые находящиеся недалеко друг от друга, с небольшим отклонением по вертикали (рис. 1.18). 72 Рис. 1.18 поиск близлежащих вертикальных прямых. 'Гак же используются другие методы. Гистограммный анализ регионов, в процессе которого производится выделение высокочастотных пространственных компонентов изображения, а затем определяется максимум проекции изображения на ось у, который совпадает с расположением номера [381. Метод каскада Хаара, который позволяет анализировать изображение на предмет характерных для номера отношений, точек или градиентов.
Алгоритмы нормализации так же имеют различные типы, для применения того или иного способа нормализации для конкретного изображения 1391. Основными этапами работы алгоритмов нормализации являются: поворот номера в горизонтальную ориентацию, увеличение контраста, разбиение изображение на буквы (рис. 1.19). Рис.
1.19 Определение позиции каждой буквы. Для распознавания самих символов на автомобильном номере так же существует множество алгоритмов и методов ~901. Все алгоритмы распознавания можно классифицировать на две группы: анализ контура и последующий морфологический анализ бинаризированного изображения ~921; растровые методы, анализирующие непосредственно изображение, Иногда встречаются комбинирование этих двух классов алгоритмов. Системы и алгоритмы компьютерного зрения применяются при идентификации типа заболевания растений.
Внешние проявления заболеваний растений могут характеризоваться изменением поверхности листьев, стеблей, а так же при срезе клубня [51. В процессе работы алгоритмов производится накопление базы данных с информацией о цвете того, или иного участка конкретного растения, а так же база данных визуальных поражений и деформаций растения. Полученные базы знаний анализируются алгоритмами компьютерного зрения, в результате чего производится определение заболевания по изображению.
В процессе работы системы производится выделение контура при помощи различных методов, таких как: фильтра гаусса, оператора Лапласа, метода на основе оператора Собеля, затем анализируются точки контура и выявляются опорные точки, характерные для того или иного вида растений. Данная система работает в полуавтоматическом режиме, где оператор персонального компьютера производит выделение областей изображения, соответствующих признакам заболевания растения. Это позволяет определить конкретное заболевание растения автоматизировано„что в значительной степени экономит время идентификации заболевания по сравнению с работой одного лишь человека, без использования алгоритмов компьютерного зрения, так как на решение данной задачи необходимо уделить достаточно времени для изучения справочников, классификаторов, а так же большого количества фотографий пораженных растений.
Производится формирование и сравнение цветовых гистограмм для анализа графических данных. Одним из главных определяющих факторов изображения является цвет - используя хорошо обученную систему на основе искусственной нейронной сети, можно с высокой точностью определить вид и класс рассматриваемого растения, а затем произвести идентификацию заболевания по эталонным изображениям в базе данных. 1.7 Анализ использования систем компьютерного зрения в качестве инструмента контроля качества производственного процесса в пищевой промышленности. При печати этикетки при производстве банок газированной воды соса-со1а используется системы компьютерного зрения ~971. Одной из важной промежуточной операцией в этом процессе является нанесение специальным резиновым ковриком, называемым офсетной покрышкой, логотипа продукции.
При помощи данной офсетной покрышки оборачивают металлический цилиндр, который при вращении с одной стороны соприкасается с устройством подачи краски, а с другой стороны соприкасается с банкой газированной воды, в результате чего производится фиксация логотипа продукции на банке. На полную отделку банки уходит один оборот такого цилиндра. Поскольку частота прохождения банок данной технологической операции настолько высоко, что невозможно использование зрения технолога в качестве инструмента органолептического контроля качества, поэтому оперативный контроль качества операции производится при помощи системы компьютерного зрения.
Стандартами качества при производстве данного газированного продукта является недопустимость неправильной наклейки логотипа. Сложность обеспечения покраски каждой банки обуславливается тем, что пропускная способность операции покраски составляет до 2200 банок/мин. Для контроля наклейки этикетки используется высокоскоростная камера, производительность которой позволяет снимать каждую индивидуально каждую банку на высокоскоростном конвейере. Система компьютерного зрения используется не только для проверки цвета, но и для контроля дефектов: например горловина банки формируется в несколько технологических этапов, вследствие чего необходим контроль качества процесса. Бракованные банки выбрасываются с конвейера при помощи пневмотрубок (рис.
1.20) и оправляются на переработку. Рис. 1.20 использование пневматической системы для удаления бракованной продукции с производственной линии. На сегодняшний день подобные системы технического зрения для контроля качества жидкой пищевой продукции применяются все чаще. Одно из таких решений — системы компьютерного зрения Сояпех, которые предоставляют системы для контроля качества процесса производства напитков.
Система определяет дефекты наклеивания этикетки на стеклянной бутылке, совершает проверку того насколько ровно наклеена этикетка, присутствуют ли на ней складки и прочие ошибки производства (рис. 1.21). Стоит отметить, что невозможно использование ручного труда для контроля качества на подобной конвейерной линии, поскольку пропускная способность процесса очень высока, и идентифицировать при помощи органов зрения бутылку с бракованной этикеткой при таких скоростях очень сложно. Фотографии, представленные на рисунках произведены при помощи очень короткой выдержки фотоаппарата, поэтому на рисунках движение продукции кажется отсутствующим, при этом по факту движение продукции на таких производственных линиях может достигать до 2000 штук в минуту. 76 Рис.
1.21 Автоматизированный контроль качества наклейки этикетки на стеклянные бутылки. Помимо использования систем технического зрения при производстве напитков, оно так же применяется для контроля качества формы выпечки на хлебобулочных предприятиях (рис. 1.22). которые используются для контроля геометрической формы изделий 163,75]. Главной проблемой при таком контроле является получение изображение высокого контраста, необходимо, чтобы продукт хорошо контрастировал с фоном, текстурой конвейера. Такие условия должны достигаться при помощи различных светофильтров, специальной подсветки и других средств. Продукция Содпех при работе использует множество различных алгоритмов обработки изображения, которые производят сравнение с шаблоном, поиск дефектов, считывание текстовой маркировки, штрих-кодов. В некоторых производствах встает вопрос о необходимости контроля показателей качества трехмерной формы.
Для решения этой задачи все чаще используются лазерные триангуляционные камеры, которые используют лазерную линейную подсветку, при изменении формы которой определяются показатели качества. Стоит отметить, что данные средства дают плохие результаты прн производстве продукции с зеркальной, глянцевой или прозрачной поверхностью. В таком случае система технического зрения на основе лазерной подсветки будет работать некорректно, поскольку лазерный луч будет отражаться от зеркальной, глянцевой или прозрачной поверхности, либо преломляться, что будет негативно сказывать на работе системы.
Рис. 1.22 Видеосъемка геометрических размеров формы выпечки. На пищевых производствах можно встретить комбинирование систем компьютерного зрения и роботизированные системы по транспортированию продукции. Использование роботизированной техники позволяет снизить использование ручного труда при выполнении различных операций, эффективность которого значительно ниже по сравнению с роботизированными системами на скоростных конвейерах. Поэтому применение технологий машинного зрения совместно с роботами может существенно повьюить эффективность производства. Один из таких примеров является система, задачей которой является идентификация колбасной продукции при помощи видеокамеры и последующее перемещение продукции посредством роботизированной руки (рис.
! .23). Рис. 1.23 Автоматизированное перемещение колбасной продукции с применением видеокамеры, закрепленной на роботизированной руке. Система работает таким образом, что идентифицирует и захватывает продукцию, находящуюся в произвольном положении на конвейерной линии. Это позволяет избежать настройки оборудования таким образом, чтобы положение колбасной продукции на конвейер всегда имело строгую ориентацию. Недостатком такой системы является слабая эффективность работы при применении ее на производствах с большим количеством продукции маленьких геометрических размеров, захват которой труднодостижим на текущем этапе развития робототехники.
Стоит отметить систему СЬесЕрош1 900 компании Содпех, которая использует технологии машинного зрения для контроля качества и правильного расположения бутылок в готовой упаковке на высокоскоростной упаковочной линии заводе компании МегЕ, г. Аресибо, Пуэрто-Рико [б4~.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
